基于聚类的动态集成选择算法

摘要

近年来,由于机器学习能够很好地解决恶意软件检测问题,因而受到了广泛的关注.为了进一步提高恶意软件的检测性能,将机器学习中的动态集成选择应用到恶意软件检测中.为了满足检测性能和保证检测的实时性需求,在动态集成选择的基础上,提出一种基于聚类的动态集成选择算法CDES(Cluster based Dynamic Ensemble Selection strategy).该方法首先通过聚类得到多个聚类中心,然后为每一个聚类中心选择一组分类器组成集成分类器.当检测未知样本时,首先找到与该样本最近的聚类中心,那么用于分类该聚类中心的集成分类器就是当前测试样本的集成分类器.最终的检测结果也由这一组分类器通过投票得到.实验中,将所提算法与其他相关算法作比较,实验结果表明所提算法明显优于其他算法.同时,所提算法运行时间远远低于其他算法,可以满足系统的实时性要求.